بسم الله الرحمن الرحیم

1. بسم الله الرحمن الرحیم بسم الله الرحمن الرحیم شرکت خدمات مهندسی بهبود صنعت مهرگان دوره آموزشی كنترل فرآيند آماري (SPC)

2. هدف از انجام SPC پيشگيري به جاي شناسائي : در گذشته، مبناي ساخت و توليد بدين گونه بود که محصولات پس از ساخت و توليد و تبديل به محصول نهايي مورد بارزسي و آزمون قرار گرفته و اقلام نامطلوب از آنها جداسازي مي گشت. در امور اداري نيز، کارها به کرات مورد بررسي قرار مي گرفت تا به اشتباهات پي برده شود. هر دو استراتژي بر مبناي "شناسائي" استوار بوده اند، که بسياري ناکار است. چرا که اجازه مي دهد زمان و مواد بر روي محصولات و يا خدماتي سرمايه گذاري شوند که هميشه مورد استفاده نيستند.بسيار کارآتر است چنانچه بتوانيم با عدم توليد محصولات غيرقابل استفاده در همان گام نخست از ايجاد ضايعات جلوگيري نماييم، استراتژي پيشگيرانه به گوش آشنا – و حتي بديهي است. غالباً شعارهايي نظير کار را همان دفعه اول درست انجام بده بيانگر استراتژي مي باشد، اما شعار کافي نيست.

3. علل عام و خاص علل عام : علل عام به بسياري از منابع نوسانات در يک فرآيند اشاره مي کنند که در طي زمان توزيعي پايدار وتکرارپذير دارند. اين موضوع "تحت کنترل آماري"، "در وضعيت تحت کنترل آماري" و يا گاهي به اختصار "تحت کنترل"ناميده مي شود. در حالتي که تنها علل عام نوسانات وجود داشته باشند و تغيير نکنند، خروجيفرآيند قابل پيش بيني است. علل خاص : علل خاص (که گاهي علل قابل تخصيص ناميده مي شوند) به هر عاملي که هميشه فرآيند را تحتتاثير قرار نمي دهد اطلاق مي گردد. هنگامي که اين علل به وقوع مي پيوندند، توزيع کلي فرآيند رابرهم مي زنند. تا هنگامي که کليه علل خاص نوسانات مورد شناسايي مورد شناسايي قرار نگيرندو اقدام اصلاحي مناسب براي رفع آنها صورت نپذيرد، خروجي فرآيند را به طرز غيرقابل پيش بينيمورد تاثير قرار مي دهند. اگر اين علل کماکان وجود داشته باشند، خروجي فرآيند پايدار نيست.

4. علل عام و خاص تغييرات ناشي از علل خاص بر روي فرايند مي تواند هم زيانبار باشند و هم سودمند. هنگامي که اين تغييرات زيانبارند، بايد علت آنها شناسايي و رفع گردد. در حالتي که اين تغييرات سودمندند، بايد شناسايي گرديده و به عنوان جزئي ثابت از فرآيند درآيند.

5. علل عام و خاص

6. امار واحتمالات توزيع احتمال : يک توزيع احتمال يک مدل رياضي است که مقدار متغير مورد نظر را به احتمال مشاهده اين مقدار در جامعه مرتبط مي سازد . براي ما اين مهم است که شکل و ميانگين و انحراف استاندارد يک توزيع را بدانيم انواع توزيع احتمال : دو نوع توزيع احتمال وجود دارد توزيع هاي منفصل مثل توزيع هاي بينم ، پواسان ، فوق هندسي و ... در کل موقعي که متغير يا پارامتر مورد مطالعه مي تواند مقادير خاصي را مانند اعداد صحيح بگيرد انگاه توزيع احتمال ان توزيع منفصل ناميده مي شود مانند تعداد عدم انطباق هاي در يک متر پارچه توزيع هاي پيوسته مانند توزيع هاي نرمال ، نمايي ، گاما و ... در کل وقتي متغير مورد مطالعه در مقياس پيوسته تعريف شده باشد توزيع احتمال ان پيوسته ناميده مي شود . مانند قطر رينگ پيستون

7. امار واحتمالات

8. امار واحتمالات احتمال اينکه متغير تصادفي گسسته x مقداري برابر xiبگيرد به صورت زير نشان مي دهيم P(x=xi ) = p (xi) احتمال اينکه متغير تصادفي پيوسته x مقداري برابر xiبگيرد به صورت زير نشان مي دهيم P(x=xi ) =  f(x) dx

9. امار واحتمالات چند توزيع احتمال مهم : توزيع بينم : فرايندي را در نظر بگيريد که متشکل از n ازميايش مستقل است به طوري که نتيجه هر ازمايش يا موفقيت يا شکست است . يک چنين ازمايشهايي را ازمايشهاي برنولي مي نامند . اگر احتمال موفقيت در هر ازمايش ثابت و برابر p باشد در اين صورت تعداد موفقيت ها در n ازمايش برنولي داراي توزيع بينم خواهد بود : P(X) = ( n )px(1-p)n-xx=0,1,2,… ميانگين و واريانس توزيع بينم برابر است با : = np 2 = np(1-p) x

10. امار واحتمالات x مثال – دريک شرکت دستگاه ها در 0.1 توقفات به علت عدم وجود ابزار است از15 توقف بعدي دستگاه چقدر احتمال دارد دقيقا 3 توقف به علت عدم وجود ابزار باشد ؟ تعداد توقفات به علت نبود ابزار = متغير تصادفي x حل : P(X) = ( n )px(1-p)n-x

11. امار واحتمالات

12. امار واحتمالات x! توزيع پواسان : P(x) = e- x x=0,1,2,… ميانگين و واريانس توزيع پواسان هر دو با هم مساوي و برابر با پارامتر مي باشند . توزيع پواسان معمولا در کنترل کيفيت به عنوان مدلي براي نشان دادن تعداد نقصها يا عدم انطباقها در واحد محصول استفاده مي گردد ./ مثال : تعداد نقصهاي مشاهده شده در يک قطعه نيمه هادي داراي توزيع پواسان با پارامتر =4 مي باشد در اين صورت احتمال اينکه در يک قطعه نيمه هادي که به طور تصادفي انتخاب شده باشد دو يا کمتر نقص مشاهده شود ؟

13. امار واحتمالات  22 2  2 توزيع نرمال : f(X) = 1 e – ( x- )2 پارامترهاي توزيع ميانگين و واريانس 2> 0 هستند . ما از علامت N( , 2 ) به معناي اينکه x داراي توزيع نرمال با ميانيگين و واريانس 2 است استفاده مي کنيم . مثال :

14. امار واحتمالات مثال : قدرت کششي کاغذ ، يکي از مشخصات مهم در توليد پاکتهاي مختلف مي باشد . فرض کنيد قدرت کششي يک نوع کاغذ ، داراي توزيع نرمال با ميانگين 40 و انحراف معيار 2 است . خريدار درخواست حداقل قدرت کششي 35 را نموده است . چند درصد توليدات شرکت تقاضاي مشتري را براورده مي کنند ؟

15. امار واحتمالات سطح زير منحني نرمال با توجه به اين شکل %26/68 مقادير جامعه بين حدود ميانگين به اضافه و منهاي يک انحراف معيار و %46/95 مقادير جامعه بين حدود ميانگين به اضافه منهاي دو انحراف معيار و %73/99 مقادير جامعه بين حدود ميانگين به اضافه منهاي سه انحراف معيار واقع شده است .

16. امار واحتمالات قضيه حد مرکزي : توزيع نرمال را معمولا به عنوان مدل احتمال مناسب براي يک متغير تصادفي استفاده مي کنند . در اغلب موارد ، بررسي اين فرض مشکل خواهد بود ولي تئوري حد مرکزي اين اجازه را به ما مي دهد که بتوان از توزيع نرمال استفاده کرد . قضيه حد مرکزي چنين بيان مي دارد : اگر x1 , x2 ,x3 , … , xn متغيرهاي تصادفي مستقل به ميانگين  و واريانس 2 باشد و اگر y = x1+ x2 + … + xn باشد انگاه توزيع y -    2 به سمت توزيع N (0,1) ميل خواهد کرد اگر n افزايش يابد . i i i

17. امار واحتمالات قضيه حد مرکزي اين نکته را بيان مي کند که جمع n متغير تصادفي مستقل تقريبا نرمال خواهد بود . بدون اينکه نيازي به در نظر گرفتن توزيع هر يک از متغيرها باشد . هر چه اندازه نمونه n افزايش يابد نتيجه حاصل از اين تقريب بهتر خواهد شد . در بعضي موارد نظير n > 10 تقريب مناسب خواهد بود و در بعضي موارد نياز به اندازه نمونه هاي بزرگ نظير n > 100 خواهد بود تا نتيجه حاصل از تقريب رضايت بخش باشد . به طوري کلي اگر متغير داراي توزيع مشابه باشند توزيع هر يک چندان تفاوتي با توزيع نرمال نداشته باشد انگاه قضيه حد مرکزي حتي براي اندازه نمونه هاي کوچک نظير n > 3 نيز کاربرد خواهد داشت .

18. هفت ابزار کيفيت ابزار هفتگانه کنترل آماري فرايند از ديرباز در سازمان ها، مورد استفاده واقع مي شود، به طوري که هم اکنون آشنايي با اين ابزار يكي از الزامات بخش کنترل کيفي هر سازمان است . اين ابزارها عبارتند از : ١. برگه ثبت داده ها ٢. هيستو گرام ٣. نمودار پارتو ۴. نمودار علت و معلول 5. نمودار تمرکز نقص ها ۶. نمودار پراکندگي ٧. نمودار کنترل

19. هفت ابزار کيفيت نمودار ثبت داده ها : غالباً جمع آوري اطلاعات مورد نياز درباره فرايند مورد مطالعه، ضروري SPC در مراحل اوليه اجراياست . برگه هاي ثبت داده ها براي شكل دادن به داده ها ي جمع آوري شده در قالبي معيناستفاده مي شوند تا بتوان به سادگي از داده ها استفاده و آنها را تحليل کرد .

20. هفت ابزار کيفيت هيستوگرام : نوعي نمودار ميله اي است که براي الف : درک بهتر و ساده تر شکل توزيع فراواني و داده ها ب : مکان يا تمايل مرکزي توزيع ج : پراکندگي يا گسترش توزيع In minitab : Gragh ---- histogram ---- مثلا simple ----- gragh variation ----- ok چندين نمونه هيستوگرام و تحليل انها :

21. هفت ابزار کيفيت

22. هفت ابزار کيفيت

23. هفت ابزار کيفيت

24. هفت ابزار کيفيت

25. هفت ابزار کيفيت

26. هفت ابزار کيفيت

27. هفت ابزار کيفيت

28. هفت ابزار کيفيت

29. امار واحتمالات نمودار پارتو : نمودار پارتو، نموداري ميله اي است آه علل مشكلات به وجود آمده را با فراواني آنها مقايسه گرفته « ويلفردپارتو » مي آند . نام اين نمودار، از نام يك دانشمند ايتاليايي علوم اجتماعي به نام شده است. براساس اصلي آه وي در مورد اقتصاد بيان آرد ٨٠ درصد نتايج و مسائل از ٢٠ درصد علل ناشي مي شوند . به عبارت ديگر، اگر چه ممكن است براي مسائل موجود، علل بسيار زيادي وجود داشته باشد، ولي تعداد اندآي از اين علل اهميت دارند و با رفع آنها مي توان بخش اعظم مسائل را حل آرد. به عنوان مثال، مي توان گفت: ٨٠ درصد خطا ها توسط ٢٠ درصد آارآنان انجام مي شود. ! ٨٠ درصد ضايعات محصول به علت مشكل در ٢٠ درصد فرايندهاي توليدي آن است.

30. هفت ابزار کيفيت Stat quality tools pareto chart chart defective table labelin, frequent را وارد کرده ok

31. امار واحتمالات نمودار ايشي کاوا – استخوان ماهي – فيش بن – علت و معلول : زماني که عيب، اشكال و يا اشتباهي مي شود بايد علل بالقوه آن نيز تعيين گردد. در مواقعيکه مجموعه علل بروز مشكل واضح نيست – يا فقط دو يا چند مورد از آنها مشخص است – يافقط دو يا چند مورد از آن ها مشخص است – نمودار علت و معلول مي تواند ابزار مفيدي برايشناسايي علل بالقوه باشد. .

32. هفت ابزار کيفيت مراحل تهيه نمودار علت و معلول عبارتند از : ١. مشكل يا معلولي که بايد تجزيه و تحليل شود را تعريف کنيد. ٢. تيمي براي انجام تجزيه و تحليل هاي مورد نياز تشكيل دهيد. در اغلب موارد، تيم بهبودکيفيت ، علل بالقوه ايجاد مشكل را از طريق طوفان ذهني تعيينمي کند. ٣. خط مرکز را رسم کرده، مشكل (معلول ) را در سمت راست آن (در جلو پيكان ) قراردهيد. ۴. گروه هاي علل بالقوه را تعيين و آنها را از طريق جعبه هايي به خط مرکزي متصل کنيد. ۵. علل ممكن را شناسايي کرده، آنها را در گ روه هاي تعيين شده در مرحله ۴ قرار دهيد . در صورت نياز، گروه هاي ديگري تشكيل بدهيد . علل بايد تا پايين ترين سطح، فهرستشوند. ۶. علل را رتبه بندي کنيد تا کنهايي که اثر زيادي بر مشكل دارند شناسايي شوند

33. هفت ابزار کيفيت نمودار تمرکز نقص : اين نمودار، تصويري است از يك محصول كه آن را از ابعاد مختلف نشان مي‌دهد. با استفاده از اين شكل مي توان محل يا محل هاي ايجاد عيب را روي محصول مشخص كرد و مورد تجزيه و تحليل قرارداد

34. هفت ابزار کيفيت 1-6 نمودار پراكندگي نمودارهاي پراكندگي انواع مختلفي دارند كه از آن ميان مي توان نمودارهاي همبستگي و نمودارهاي پراكندگي در محدوده تلورانسي را نام برد. 1-6-1 نمودار همبستگي از نمودار همبستگي براي پي بردن به رابطه بالقوه بين دو متغير استفاده مي شود . براي رسم اين نمودار ، داده ها به صورت زوجي نظير ( xi.,yi )n, … 3.2.1= I تهيه مي شوند . مقدار yi برحسب مقدار xi روي اين نمودار رسم مي شود . طريقه رسم نمودار روي نمودار ، نشان دهنده نوع رابطه موجود بين دو متغير است و ميزان همبستگي آنها را تعيين مي كند. معمولا براي تحت كنترل درآوردن فرايندها ، لازم است كه عوامل وابسته در آن فرايندها شناسايي شود . اگر يكي از اين عوامل ، تحت كنترل باشد ، به علت همبستگي اش با عامل ديگر آن عامل نيز تحت كنترل خواهد بود . در اينجاست كه استفاده از نمودار همبستگي معنا مي يابد

35. هفت ابزار کيفيت

36. هفت ابزار کيفيت -6-2 نمودار پراكندگي در محدوده تلورانس با استفاده از اين نمودار مي توان به شكل و ميزان پراكندگي توليدات در محدوده تلورانسي نقشه يا خواست مشتري پي برد . براي رسم اين نمودار ، حدود تلورانس بايد روي محور عمودي و نيز زمان نمونه گيري از فرايند روي محورافقي تعيين شود . در هر بار نمونه گيري از فرايند توليد ، نقاط حداقل و حداكثر ثبت شده در نمودار ، توسط خطي به هم متصل مي شوند . درجاهايي كه نقاط به علت مساوي بودن مقادير شان با يكديگر روي هم رسم مي شوند ، تعداد آنها توسط عدد نشان داده خواهد شد.

37. هفت ابزار کيفيت 1-7 نمودار كنترل از ميان ابزارهاي هفتگانه SPC نمودار كنترل مهمترين و پيچيده ترين آنهاست . با استفاده از نمودارهاي كنترل مي توان نوسانات فرايند را تحت كنترل درآورد و با اقدامات پيشگيرانه از توليد محصول خراب جلوگيري كرد . رسم نمودار كنترل ، مبتني بر روشهاي آماري است و لذا براي شناخت انواع نمودارهاي كنترل و رسم آنها ، آشنايي مختصري با مفاهيم آماري لازم است .

38. هفت ابزار کيفيت نمودارهاي كنترل : ابزارهايي براي كنترل فرايند دكتر والتر شوهارت از آزمايشگاههاي بل در دهه 20 ميلادي به هنگام بررسي و مطالعه داده هاي فرايند ، براي نخستين بار بنا به آنچه ما علل ويژه يا عادي مي ناميم، تمايزي بين تغييرات كنترل شده و كنترل نشده قائل شد . وي ابزاري ساده و در عين حال نيرومند را براي جداكردن اين دو به وجود آورد ، اين ابزار نمودار كنترل مي باشد . شكل كلي نمودارهاي كنترل شوهارت حد بالاي كنترلUCL =  + 3 خط مركزيCL = حد پايين كنترلLCL =  - 3

39. هفت ابزار کيفيت حالات خارج از کنترل در نمودارهاي کنترلي : همان طور که اشاره شد، نمودارهاي کنترل، ابزارهاي قوي براي شناسايي حالت خارج از کنترل(زماني که علل خاص در فرآيند اثر مي گذارند) هستند. علل خاص باعث مي شود که ميانگينفرآيند يا انحراف معيار فرآيند يا هر دو تغيير کند. تعدادي قانون عمومي وجود دارد که بر حسب آنها،مشاهده هر يک از حالات زير در نقاط ترسيمي نمودارهاي کنترل به معناي حالت خارج از کنترلاست. اين قوانين به شرح زير هستند :

40. هفت ابزار کيفيت

41. هفت ابزار کيفيت

42. هفت ابزار کيفيت

43. هفت ابزار کيفيت حالات تحت کنترل : اگر تمامي نقاط در داخل حدود کنترل باشد و هيچ يک از 10 حالات خارج از کنترل بالا وجود نداشته باشد مي توانيم بگوييم که فرايند تحت کنترل است . البته بايد دقت شود که امکان دارد هر يک از حالات بالا اتفاق بيفتند و واقعا فرايند تحت کنترل باشد که ما حتما بايد بعد از مشاهده يک حالت خارج از کنترل ان را بررسي کنيم . مثلا در مورد اولين حالت کنترل مي دانيم که احتمال اينکه يک نقطه تحت کنترل باشد و خارج از حدود بيفتد حدود 0.0027 مي باشد پس بايد در هر 370 تکرار انتظار يک نقطه خارج از کنترل که واقعا تحت کنترل است را داشته باشيم .

44. امار واحتمالات خطاها و ريسك ها : تصميم گيري در مورد تحت كنترل يا خارج از كنترل بودن يك فرايند داراي ريسك است ارتباط بين خطاهاي نوع اول و دوم : خطاهاي نوع اول و دوم با يكديگر رابطه معكوس دارند. يعني كاهش يكي باعث افزايش ديگري مي شود . تنها راه چاره براي كاهش هر دو نوع خطا ، افزايش تعداد نمونه است.

45. نمودار هاي کنترلي انواع مشخصات کنترلي مشخصه هاي کمي : برخي مشخصه هاي کمي را مي توان در قالب يک اندازه پيوسته بيان کرد مثل قطر داخلي يک شاتون و يا ولتاژ حاصل از سيم پيچ و يا سختي فلايويل بعد از ريخته گري مشخصه هاي وصفي : برخي ديگر از مشخصه هاي کيفي را نمي توان در قالب يک اندازه عددي اندازه گيري و گزارش کرد . در اين گونه موارد ، معمولا قطعات بازرسي شده نسبت به مشخصه مورد نظر به دو گروه منطبق و نامنطبق يا سالم و يا معيوب دسته بندي مي شود . به عنوان مثال ترک دار بودن ، پليسه دار بودن ، زنگ زدگي و ... نمودارهاي كنترل براي متغيرها نمودارهاي كنترل متغيرها براي مشخصه هاي قابل اندازه گيري نظير طول ، قطر ، وزن و امثالهم مورد استفاده قرار مي گيرد و با استفاده از نمودارهاي كنترلي اين گونه مشخصه ها را مي توان كنترل نمود. در عمل براي هر متغيرسه نمودار كنترلي ميانگين ، دامنه و انحراف معيار را بدست مي آوريم كه معمولا همزمان از نمودار ميانگين (X) يا يكي از نمودارهاي دامنه (R )و يا انحراف استاندارد (S ) استفاده مي شود . دليل استفاده همزمان از دو نمودار به سبب ماهيت پارامترهايي است كه در اين نمودارها استفاده مي شود . نمودار ميانگين ، متوسط تعداد نمونه ها را بدون توجه به تغييرات دروني نمونه ها نشان مي دهد لذا جهت مشخص نمودن تغييرات دروني نمونه ها ضروري است كه يكي از نمودارهاي دامنه يا انحراف استاندارد نيز بكار گرفته شود.

46. نمودار هاي کنترلي نمودارهاي کنترل ( X – R) اصول اماري نمودارهاي کنترل X اگر x1,x2, … , xn نمونهاي n تايي از مشخصه هاي کمي مورد نظر باشد ، در ان صورت ، ميانگين اين نمونه ها به صورت زير خواهد بود : x = x1 + x2 + … + xn n طبق قضيه حد مرکزي ، با انتخاب اندازه نمونه مناسب ، توزيعxها نرمال مي شود . در نتيجه 73/99 درصد داده ها در داخل حدودکنترلي ذيل قرار مي گيرد : UCL = x + 3x CL = x LCL = x + 3x

47. نمودار هاي کنترلي بنابراين با دردست داشتن ميانيگين و انحراف معيار جامعه X ها ، مي توان حدود کنترل نمودار X را تعيين کرد . معمولا به دست اوردن مقادير وامکان پذير نيست و در عمل ، مقادير اين گزينه ها ، با استفاده از نمونه گيري تخمين زده مي شود . براي تخمين اين گزينه ها ، ابتدا m نمونه n تايي تهيه مي شود . مقدار m يا تعداد دفعات نمونه گيري معمولا بين 25 تا 30 بار و اندازه نمونه n اغلب کوچک و حدود 5 مشاهده است . در اين صورت داريم : x = x1 + x2 + … + xm m Ri = X max – X min , i = 1 , 2 , … , mبراي هر نمونه R = R1 + R2 + … + Rm m با فرض اينکه توزيع مشخصه کيفي مورد نظر تقريبا نرمال باشد x=R d2n d2 نيز مقدار ثابتي است که به اندازه نمونه n بستگي دارد و در ضميمه 2 ارائه شده است . مثلا براي n = 5 مقدار d2 برابر با 2.326 است .

48. نمودار هاي کنترلي با استفاده از محاسبات فوق داريم : UCL = X + 3 R d2n CL = X LCL = X - 3 R d2n مقدار 3/D2n فقط به n بستگي دارد . دراين صورت حدود کنترل نمودار X را مي توان به صورت زير نوشت : UCL = X + A2 R CL = X LCL = X – A2 R در رابطه فوق مقدار A2 مقداري ثابت است که مقادير ان به ازاي n ها مختلف در جدول پيوست ارائه شده است . مثلا براي n = 5 برابر با 0.577 است .

49. نمودار هاي کنترلي اصول اماري نمودار R از R به عنوان تخميني براي انحراف معيار استفاده مي شود . با رسم مقادير R روي نمودار کنترلي مي توان تغييرپذيري فرايند را کنترل کرد . حدود اين نمودار کنترل به راحتي همانند نمودار X قابل محاسبه است . R=d3R d2n UCL = R + 3 d3R d2n CL = R LCL = R - d3R d2n اگر مقادير D3 , D4 را به صورت زير تعريف کنيم : D3 = 1 – 3 d3/d2 D4 = 1 + 3 d3/d2

50. نمودار هاي کنترلي آنگاه حدود کنترل نمودارR را مي توان به صورت زير نوشت : UCL = D4 R CL = R LCL = D3 R که مقادير D3, D4 براي اندازه نمونه هاي مختلف در جدول پيوست ارائه شده است . مثلا براي n = 5 مقدارD4 برابر 2.115و مقدارD3 برابر صفر است . پس از انکه حدود کنترلي نمودارهاي Xو R با استفاده از نمونه هاي اوليه محاسبه شد ، لازم است که ميانگين و دامنه نمونه ها به ترتيب روي نمودارهاي کنترل X و Rترسيم و باري برسي رفتار نقاط روي نمودارها ، اين نقاط به هم وصل شوند . اگر نقاط روي نمودار ، حالت خارج از کنترل نشان دهند يا الگوي غير تصادفي در انها مشاهده شود ، بايد علت را بررسي کرد . در صورتي که اين موارد در اثر علل اکتسابي به وجود امده باشند ، اين نقاط حذف و حدود کنترل نمودارها دوباره محاسبه مي شود . اگر تعداد نقاط حذف شده بيش از 4 يا 5 نقطه باشد ، بايد نمونه گيري ديگري انجام گيرد .